據UT西南醫學中心的一名研究人員稱，能夠捕捉到病人聲音的細微變化的新技術可能會幫助醫生在症狀開始顯現之前診斷出認知障礙和阿爾茨海默病，該研究發表在阿爾茨海默病協會的出版物《診斷、評估和疾病監測》上。

“我們的重點是識別細微的語言和音頻變化，這些變化存在於阿爾茨海默病的早期階段，但不容易被家庭成員或個人的初級保健醫生識別出來，”UT西南大學小彼得-奧唐納腦科研究所的神經學教授、醫學博士Ihab Hajjar說。

研究人員使用先進的機器學習和自然語言處理（NLP）工具來評估206人的語言模式–114人符合輕度認知衰退的標準，92人未受影響。然後，研究小組將這些發現與常用的生物標誌物進行對比，以確定它們在測量損傷方面的功效。

參加亞特蘭大埃默里大學研究項目的研究人員在被要求記錄對藝術品的1至2分鐘的自發描述之前，接受了幾個標準的認知評估。

Hajjar博士說：”錄製的圖片描述為我們提供了一種近似的對話能力，我們可以通過人工智能來研究，以確定語言運動控制、想法密度、語法複雜性和其他語言特徵。”

研究小組將參與者的語音分析與他們的腦脊液樣本和核磁共振掃描進行了比較，以確定數字語音生物標誌物檢測輕度認知障礙和阿爾茨海默病狀態和進展的準確性。

“在機器學習和NLP發展之前，對患者的語音模式進行詳細研究是非常耗費精力的，而且往往不成功，因為早期階段的變化往往是人耳無法察覺的，”Hajjar博士說。”這種新穎的測試方法在檢測那些有輕度認知障礙的人方面表現良好，更具體地說，在識別有阿爾茨海默病證據的病人方面表現良好–即使在使用標準認知評估不能輕易發現的情況下。”

在研究過程中，研究人員花了不到10分鐘的時間捕捉病人的語音記錄。傳統的神經心理學測試通常需要幾個小時來進行。

Hajjar博士說：”如果被更大規模的研究證實，使用人工智能和機器學習來研究聲樂錄音可以為初級保健提供者提供一個易於執行的高危人群篩查工具。更早的診斷將使患者和家庭有更多的時間來計劃未來，並使臨床醫生在推薦有希望的生活方式乾預方面有更大的靈活性。”